随着我国制造业物联网、信息化布局的逐步完善和智能制造国家战略的稳步落实,在工业产品质量管理领域,基于数据驱动的产品质量预测与溯源分析成为智能制造的核心部分。液晶显示面板是数字化、网络化时代新型显示技术的主流器件,广泛应用于智能手机、液晶电视、平板电脑及各类智能显示电器。玻璃基板作为液晶显示面板的关键上游材料,其厚度是玻璃基板品质评价中的一项关键指标,对液晶显示面板的性能影响极大。现有的玻璃基板厚度测量方式成本高、实时性差,难以实现高效、全面的厚度测量,且无法追溯玻璃基板的异常加工参数,容易导致残次玻璃基板流入液晶显示面板后续加工工序,增加制造成本。针对上述问题,本文利用玻璃基板加工过程数据,对玻璃基板厚度预测中的关键算法进行了深入研究,并设计开发了玻璃基板厚度预测软件系统。论文主要研究内容如下:(1)分析了液晶玻璃基板厚度测量技术的现状和痛点,提出以数据驱动为核心技术的整体框架,并确定软件系统的架构模式和功能模块。(2)研究了液晶玻璃基板加工过程数据的特点,提出基于皮尔逊相关系数的差异化特征选择方法,并对数据特征进行多重共线性研究。(3)针对小样本、高维度的数据特征,使用岭回归、支持向量回归、XGBoost回归和Light GBM回归算法构建单一预测模型,使用网格搜索法、交叉验证法和贝叶斯优化算法进行超参数寻优,并结合多项度量指标分析单一预测模型的预测结果。(4)对比研究了均权融合、基于误差平方和最小化的加权融合和基于Stacking集成学习融合的三种模型融合算法,并进行算法测试和分析。其中,基于Stacking集成学习的模型融合算法在预测性能上具有明显优势。(5)利用Pyqt5和Python编程语言开发了玻璃基板厚度预测软件系统,能够实现数据导入及特征工程、模型训练、模型预测、溯源分析、模型自更新和数据管理等多项功能;经过软件系统的功能和性能测试,该软件系统运行稳定可靠。